“

隨著云化網絡的復雜性和解耦性增強，云化網絡重構將給網絡運營和運維帶來巨大挑戰，5G技術變革也將對云化網絡上的垂直業務帶來革命性的改變。如何應對云化網絡智能化運維，滿足用戶需求快速的變更并為垂直業務提供保障？如何保障網絡基礎設施層的穩定性和可靠性？如何感知網絡并對網絡進行全息監控，實現網絡智能化調整？這些需求都催生了AI技術和大數據技術在云化網絡智能化領域的應用。

”

云化網絡智能化的兩個核心能力

實現云化網絡的智能化需要具備兩個核心能力，第一個核心能力是構建基礎平臺。這個平臺必須解決兩個事情，首先是云化網絡智能化所需要的計算能力；其次是智能化所需要的數據處理能力，主要體現在如何從海量數據中提取有價值的樣本數據。

第二個核心能力是場景化。云化網絡場景化可以從三個層面理解：網絡基礎層、網絡功能層和網絡運維運營層。網絡基礎層關注網絡的可靠性和穩定性，故障智能化定位就顯得尤為關鍵。故障智能化定位涉及故障數據的海量采集、故障數據的關聯、故障預測和故障自動化排除。網絡功能層重點關注網絡功能全息數據監控和感知，實現網絡的自優化調整和網絡功能自愈，通過海量數據采集、數據分析、數據AI模型建立應用和數據決策、數據反饋形成閉環。網絡運維運營層面關注基于DevOps的智能化應用，包括網絡自動化部署、網絡彈性、故障定位等焦點問題。從運營角度來考慮，需要結合大數據進行數據挖掘分析，構建能給運營商帶來有價值增長的場景，如流量智能化經營、網絡用戶體驗評估、網絡質量評估、網絡跨界的端到端故障定位、業務開放快速構建新業務等。

AI+大數據驅動的云化網絡智能化解決方案

從架構技術推動，場景切入作為考量，中興通訊推出 AI和大數據智能化整體解決方案。方案基于三層云化網絡的基礎架構，推動云化網絡的智能化（見圖1）。

基礎設施層自優化：云化后的基礎設施增加了故障定位和分析的難度，也為云化基礎資源層的網絡管理增加了復雜性，AI+大數據為引入故障告警、故障自愈、基礎資源分配等自優化提供能力。

網絡資源層智能化：引入網絡狀態感知網絡功能，實現數據采集、狀態監控、運算分析、推理決策和策略執行。AI+大數據為滿足網絡資源調配、網絡自優自愈、網絡自治化提供基礎能力。

管理運維運營層自動化和智能化：從規劃設計、網絡部署到管理運維，實現自動化和全局資源優化等智能化。引入AI+大數據能動態地對網絡進行資源調度、優化和故障排除，實現網絡的智慧運營。通過將人工智能技術和網絡資源調度相結合，利用機器學習技術根據采集數據對用戶行為、網絡業務及相應資源需求進行預測和評估，結合網絡的動態情況進行主動運維，保障網絡能夠及時調整相應資源，實現網絡資源的最大化利用。基于人工智能的網絡優化技術，對智能網絡特性的海量數據加以分析，建立合理的智能量化模型，并基于模型對網絡業務進行實時處理，從而保證最佳的網絡運行狀態。基于人工智能的故障排除技術，基于海量歷史故障數據和故障解決數據，利用人工智能學習生成故障事件和特征匹配規則庫，針對網絡告警數據自動選擇最優解決方案，保障和管理好整個通信網絡。

方案分階段引入AI+大數據能力，從開環網絡到靜態閉環，再到動態閉環，最后到全自治網絡，實現以人驅動為主的人治模式向網絡自我驅動為主的自治模式的轉變。

根據對智能化能力的不同要求，方案支持逐步引入大數據和AI能力。在云化網絡智能化的分層架構中，越上層、越集中化，跨領域分析能力越強，更適合對全局性的策略集中進行訓練及推理，比如跨域調度、端到端編排、全網內容分布等，通常對計算能力要求很高，需要跨領域的海量數據支撐，對實時性要求一般敏感度較低。越下層、越接近端側，專項分析能力越強，對實時性往往有較高要求，比如5G NR的移動性策略、MEC的實時控制等，但對計算能力依賴度不高，一般適合引入嵌入式推理能力，或結合MEC，部署具備一定實時處理能力的輕量級訓練引擎。

AI+大數據使能的智能化網絡是5G網絡發展的重要趨勢，智能化將帶來網絡根本性的變革。首先依托網絡大數據與機器學習算法的支撐實現5G網絡的初級智能化；其次AI將可以學習跨領域的5G網絡大數據，部分子領域將出現融合智能，實現5G網絡的中級智能化；最后隨著人工智能技術高度發展，網絡各子領域大數據將實現全網聯動和高度自治，大幅提升網絡全生命周期效率，基于人類控制網絡的意圖實現網絡的高級智能化。可以預見，在不久的將來，AI技術和大數據的結合將推動電信網絡劃時代的發展和演進。

來源 | ZTe刊